Pengembangan Sistem Kecerdasan Buatan Berbasis Adaptive Neuro Fuzzy Inference System untuk Diagnosa Penyakit Kanker Paru
|
|
- Leony Kartawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Pengembangan Sistem Kecerdasan Buatan Berbasis Adaptive Neuro Fuzzy Inference System untuk Diagnosa Penyakit Kanker Paru Sylvia Ayu Pradanawati (1), Syamsul Arifin (2), Andi Rahmadiasah (3) (1)(2)(3) Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya Abstrak Telah dilakukan studi mengenai penerapan Adaptive Neuro Fuzzy Inference System untuk memprediksi penyakit kanker paru. Data yang digunakan berupa data ciri ciri pasien dan data rontgen. Data yang telah didapatkan diolah untuk menganalisa model terbaik sehingga dapat diterapkan pada software prediktor. Software yang telah dibuat divalidasi dengan membandingkan hasil prediksi software dengan keputusan dokter. Parameter yang digunakan dalam menentukan keberhasilan software meliputi RMSE, VAF, dan persen kaberhasilan. Untuk prediksi ciri ciri menghasilkan RMSE training terbaik = 0,49, RMSE testing terbaik = 0,34, VAF training terbaik = 57,3%, dan VAF testing terbaik = 66,6% Sedangkan untuk prediksi rontgen menghasilkan RMSE training terbaik = 0,291, RMSE testing terbaik = 0,25, VAF training terbaik = 56,5%, dan VAF testing terbaik = 62,4%. Keywords ANFIS, ciri ciri, rontgen, kanker paru. I. PENDAHULUAN Penyakit kanker adalah sebuah bentuk perkembangan sel yang sangat cepat di luar batas perkembangan sel pada umumnya. Penyakit ini dapat terjadi di dalam jaringan paru yang disebabkan oleh perubahan bentuk jaringan sel atau ekspansi dari sel itu sendiri. Penyakit ini dapat dideteksi dengan menggunakan hasil rontgen paru paru pasien yang kemudian diolah menjadi data digital dengan menggunakan image processing dan dipadukan dengan analisa dari dokter. Dokter memiliki peran penting sebagai human expert dimana akan menentukan rule base dan diagnosa dari segi medis. Kanker merupakan penyakit pembunuh pertama di dunia. Berdasarkan data dari European CanCer Organization (ECCO), tingkat kanker paru merupakan penyakit dengan tingkat kejadian tertinggi disertai dengan tingkat kematian yang tinggi pula yaitu kasus dengan kematian(organisation, 2008). Penanganan kanker paru hendaknya dimulai sejak dini bahkan sebelum terjangkit. Dewasa ini, penanganan kanker paru hanya dapat ditangani oleh dokter spesialis paru di mana belum dapat merambah daerah pelosok. Selain itu, terdapat beberapa kendala salah satunya adalah adanya beberapa kecenderungan pasien untuk memeriksakan keluhan yang diderita setelah kronis dan akibatnya sudah terlambat dalam penanganan. Tingkat kemiskinan di Indonesia mencapai 32,5 juta di tahun 2009(Statistik, 2010). Hal ini pula yang menjadi penyebab penting dalam terhambatnya pemenuhan kebutuhan kesehatan dengan alasan ekonom. Terhambatnya pemenuhan kebutuhan akan kesehatan mendorong meningkatnya kebutuhan tenaga medis dalam hal ini adalah dokter paru untuk lebih banyak diterjunkan ke pelosok. Oleh karena itu, semakin banyak pengembangan dalam bidang ilmu pengetahuan terkait masalah kesehatan, maka akan semakin kaya pengetahuan dari seorang dokter. Dengan alasan di atas, maka penulis mencoba melakukan penelitian dengan membuat sebuah sistem kecerdasan buatan berbasis Adaptive Neuro Fuzzy Inference System untuk diagnosa kanker paru. II. STUDI LITERATUR A. KANKER PARU Secara umum, kanker paru dibedakan menjadi 2 yaitu kanker paru primer dan sekunder. Kanker paru primer Memiliki 2 type utama, yaitu Small cell lung cancer (SCLC) dan Nonsmall cell lung cancer (NSCLC). SCLC adalah jenis sell yang kecil-kecil (banyak) dimana memiliki daya pertumbuhan yang sangat cepat hingga membesar. Penanganan cukup berespon baik melalui tindakan kemoterapi and terapi radiasi. Sedangkan NSCLC adalah merupakan pertumbuhan sel tunggal, tetapi seringkali menyerang lebih dari satu daerah di paru. Sedangkan kanker paru sekunder merupakan penyakit kanker paru yang timbul sebagai dampak penyebaran kanker dari bagian organ tubuh lainnya, yang paling sering adalah kanker payudara dan kanker usus (perut). Kanker menyebar melalui darah, sistem limpa atau karena kedekatan organ. B. PENGUJIAN KANKER PARU Sebelum ditetapkan mengidap kanker paru, seorang pasien harus melakukan langkah penyaringan awal. Apabila pada tahap penyaringan awal seorang pasien dinyatakan rawan / dicurigai terkena kanker, maka proses dilanjutkan ke proses diagnosa. Proses ini terdiri dari 2 tahap yaitu diaknosa awal dan lanjut. Proses diagnosa awal terdiri dari pemeriksaan sitologi dan foto thoraks. Adapun penjelasan dari langkah 1
2 diagnosa awal adalah sebagai berikut : a. Pemeriksaan sitologi Keberhasilan untuk menegakkan diagnosa kanker paru dari pemeriksaan sitologi dahak dipengaruhi oleh cara memperoleh spesimen dan jenis serta ukuran tumor. Dahak yang memenuhi persyaratan pemeriksaan dapat diperoleh melalui batuk spontan dengan bantuan aerosol NaCl, dihangatkan sampai sekitar atau melalui spirasi bronchial. Secara keseluruhan hasil pemeriksaan sitologi dapat menegakkan diagnosa hingga 90%(Alsagaff & Mukty, 2002). b. Pemeriksaan foto thoraks Walaupun telah banyak dicapai kemajuan dalam bidang radiologi seperti adanya CT-Scan, scintigraphy, dan sejenisnya, namun x-foto thoraks standart masih merupakan metode yang sangat informatif pada pemeriksaan paru. Hasil dari proses sitologi dan foto thoraks dapat dikelompokkan menjadi 4 bagian yaitu : TABEL 1 PENGELOMPOKAN SITOLGI DAN FOTO THORAKS (ALSAGAFF, ET AL., 2002) Foto thoraks Sitologi Negatif Positif Negatif A B Positif C D Penggolongan di atas mempengaruhi tindakan diagnosa lanjut di mana akan dilakukan beberapa tahap tes untuk menentukan stadium dari penderita. Untuk kelompok A tetap dilakukan langkah penyaringan tiap 6 bulan, sedangkan untuk kelompok B, C, dan D memerlukan tindakan diagnosa lanjut Dalam tahapan diagnostic lanjut, terdapat beberapa metode. Untuk tugas akhir ini digunakan metode petanda biokimia (Biochemichal Marker) dan endoskopi. Salah satu contoh petanda biokimia yang dikenal adalah CEA. Beberapa patokan yang digunakan untuk mendeteksi kanker dengan menggunakan CEA adalah sebagai berikut : - CEA < 2,5 ng/ml dengan kelainan paru, mungkin penderita kanker paru atau tidak dan sebaiknya tetap dilakukan sesuai tata cara baku penyaringan paru - CEA > 6,5 ng/ml dengan kelainan paru, maka kemungkinan diagnosis paru harus dicari dan dokter mencurigai adanyakanker paru - CEA > 15 ng/ml, pada kasus kanker paru yang akan dibedah harus diragukan/dipertimbangkan kembali kemungkinan dari keberhasilan suatu tindakan pembedahan. Setelah dilakukan tindakan diagnostik lanjut, maka apabila hasil menunjukkan positif baru dapat dilaksanakan stagging atau penentuan stadium dari kanker tersebut. Pada kanker paru jenis SCLC ada 2 stage yaitu limited stage dan extensive Stage. Sedangkan pada NSCLC staging dilakukan dengan sistem TNM (T=Tumor, N=Kelenjar Getah Bening dan M=Metastase). Tahap terakhir dalam pemeriksaan kanker paru adalah tahap rekomendasi. Pada tahap ini dokter member keputusan mengenai pananganan dari kanker tersebut. Secara umum dapat dikatakan bahwa tidak semua jenis kanker dapat dioperasi kanker pada tahap I-II masih mungkin dioperasi sedangakan kanker pada tahap III dan IV tidak mungkin dioperasi. Pemberian pengobatan pada kanker paru harus diketahui terlebih dahulu jenis kanker yang menyerang. Kanker jenis bukan sel kecil merupakan kanker yang penanganannya berbeda pada tiap tiap tahapan. Untuk stage kurang dari IIB secara umum dapat dilakukan pembedahan. Akantetapi, pembedahan tersebut dapat juga harus melalui beberapa tahapan. Pada stage IIA, dilakukan kemoterapi Neoadjurvan, kemoterapi 2x, dan radiasi 4000 Gy. Pada stage IIB, harus diperhatikan PS (performance status) penderita untuk dapat dilakukan penanganan. Penderita dengan PS>70 dan PS<70 diperlakukan berbeda. Hal yang sama juga terjadi pada stage IV, yaitu penderita dengan PS<70 dan PS>70 dipelakukan berbeda. Kanker jenis sel kecil, memiliki modalitas terapi hanya pada sitostatika dan radiasi. Pembedahan tidak dilakukan pada sel jenis ini olehkarena seringkali terlambat, artinya saat tumor ditemukan, suda terdapat metastase di tempat lain. Karsinoma jenis sel kecil ini merupakan jenis karsinoma yang relatif peka terhadap sitostatika dan radiasi. C. ADAPTIVE NEURO FUZZY INFERENCE SYSTEM ANFIS adalah penggabungan mekanisme fuzzy inference system yang digambarkan dalam arsitektur jaringan syaraf. Sistem inferensi fuzzy yang digunakan adalah sistem inferensi fuzzy model Tagaki-Sugeno-Kang (TSK) orde satu dengan pertimbangan kesederhanaan dan kemudahan komputasi. Salah satu contoh ilustrasi mekanisme inferensi fuzzy TSK orde satu dengan dua masukan x dan y. Cara kerjanya seperti sistem FIS biasa akan tetapi cara perhitungannya (algoritmanya) berbeda. Gambar 1 Struktur ANFIS Pada gambar 1 terlihat sistem neuro-fuzzy terdiri atas lima lapisan dengan fungsi yang berbeda untuk tiap lapisannya. Tiap lapisan terdiri atas beberapa simpul yang dilambangkan dengan 2
3 kotak atau lingkaran. Lambang kotak menyatakan simpul adaptif artinya nilai parameternya bisa berubah dengan pembelajaran dan lambang lingkaran menyatakan simpul nonadaptif yang nilainya tetap. Adapun persamaan untuk setiap lapisan adalah sebagai berikut : Lapisan 1. Semua simpul pada lapisan ini adalah simpul adaptif (parameter dapat berubah) dengan fungsi simpul : 1, = µ = 1+ =1,2, = µ = 1 1+ =3,4 dengan x dan y adalah masukan pada simpul i, A i (atau B i-2 ) adalah fungsi keanggotaan masing-masing simpul. Simpul O 1,i berfungsi untuk menyatakan derajat keanggotaan tiap masukan terhadap himpunan fuzzy A dan B. Fungsi keanggotaan yang dipakai adalah jenis generalized bell (gbell). Parameter a, b, c, pada fungsi keanggotaan gbell dinamakan parameter premis yang adaptif. Lapisan 2. Semua simpul pada lapisan ini adalah nonadaptif (parameter tetap). Fungsi simpul ini adalah mengalikan setiap sinyal masukan yang datang. Fungsi simpul :, = = µ. µ, =1,2 Tiap keluaran simpul menyatakan derajat pengaktifan (firing strength) tiap aturan fuzzy. Fungsi ini dapat diperluas apabila bagian premis memiliki lebih dari dua himpunan fuzzy. Banyaknya simpul pada lapisan ini menunjukkan banyaknya aturan yang dibentuk. Fungsi perkalian yang digunakan adalah interpretasi kata hubung and dengan menggunakan operator t- norm. Lapisan 3. Setiap simpul pada lapisan ini adalah simpul nonadaptif yang menampilkan fungsi derajat pengaktifan ternomalisasi (normalized firing strength) yaitu rasio keluaran simpul ke-i pada lapisan sebelumnya terhadap seluruh keluaran lapisan sebelumnya, dengan bentuk fungsi simpul:, = = +, =1,2 Apabila dibentuk lebih dari dua aturan, fungsi dapat diperluas dengan membagi w i dengan jumlah total w untuk semua aturan. Lapisan 4. Setiap simpul pada lapisan ini adalah simpul adaptif dengan fungsi simpul :, = = + + Pada simpul 4 ini terdapat derajat pengaktifan ternormalisasi dari lapisan 3 dan parameter p, q, r menyatakan parameter konsekuen yang adaptif. Lapisan 5. Pada lapisan ini hanya ada satu simpul tetap yang fungsinya untuk menjumlahkan semua masukan. Fungsi simpul :, = = Jaringan adaptif dengan lima lapisan ini ekivalen dengan sistem inferensi fuzzy TSK. III. METODOLOGI PENELITIAN A. PENGAMBILAN DATA Data pada penelitian ini dibagi menjadi 2 jenis yaitu data ciri ciri dan data rontgen. Adapun data ciri ciri digunakan untuk mengidentifikasi tingkat resiko penyakit kanker paru pada individu. Sedangkan data rontgen digunakan untuk diagnosa dari seseorang yang telah dicurigai mengidap penyakit paru. Data ciri ciri merupakan kumpulan data yang berisi tentang ciri ciri individu normal dan kanker. Ciri ciri yang digunakan sebagai data dari identifikasi memiliki 4 variabel yaitu banyak rokok per hari, lama merokok, pekerjaan, dan batuk. Sedangkan untuk data rontgen dibedakan atas rontgen normal dan rontgen positif CA. Adapun untuk data rontgen memerlukan langkah pra pengolahan sebelum menjadi data input software. Gambar 2 Paru normal Gambar 3 Paru CA 3
4 B. PRA PENGOLAHAN Berdasarkan gambar normal dan CA, maka dapat dilihat bahwa pada penderita CA, memiliki luasan putih yang lebih benyak dibandingkan dengan normal. Dari dasar inilah maka dapat dicari rataan warna pada foto rontgen dengan langkah langkah sebagai berikut : a) Scanning Scanning dilakukan untuk mengubah jenis data menjadi digital. Pada proses scanning, rontgen paru dipisan menjadi 2 yaitu paru kanan dan paru kiri. Hal ini dilakukan untuk melihat detail rataan dari masing masing sisi paru. Setelah data berubah menjadi data digital, pixel dari gambar diatur sedemikian rupa sehingga dapat digunakan sebagai input software. Ukuran yang diperkenankan pada software yang telah dibual adalah 160 x 80 pixel. b) Grey Scalling Output dari scanner dapat di-load pada software dan dideteksi sebagai matriks. Matriks yang muncul pada software merupakan matrik skala warna dari hasil rontgen. Pada tahap ini dilakuakn proses grey scalling yaitu melakukan penskalaan dengan cara membagi R G B dengan 3. Cara ini dipilih untuk memudahkan komputasi pada software. c) Normalisasi Proses normalisasi adalah proses membagi semua nilai matriks grey scalling dengan nilai terbesar pada matriks tersebut. Hal ini bertujuan untuk membuat semua gambar yang dimasukkan pada software memiliki bobot yang sama meskipun tingkat brightness dari input berbeda sehingga rataan yang dihasilkan dapat berlaku pada semua gambar. Semua bilangan yang berada pada matrriks normalisasi berkisar antara 0 1. d) Perhitungan rataan warna Setelah didapatkan matriks normalisasi, maka diperlukan sebuah parameter yang mewakili matriks gambar tersebut. Matriks normalisasi merupakan matriks yang berisi kumpulan warna yang telah ternormalisasi dan siap untuk dilakukan komputasi lanjutan. Berdasar pada fakta bahwa pada penderita CA positif memiliki pixel lebih banyak dibandingkan normal, maka dapat dicari dengan cara melakukan proses rataan pada matriks normalisasi tersebut. Nilai rataan ini yang menjadi input ANFI pada tahap diaknosa untuk diprediksi apakan pasien menderita kanker atau tidak. Warna putih memiliki nilai paling tinggi yaitu 255, jadi semakin banyak warna putih yang ada pada rontgen akan menghasilkn rataan yang besar sehingga mengakibatkan hasil deteksi akan semakin meuju ke positif. C. PERANCANGAN MODEL ANFIS Perancangan model dilakukan dengan menggunakan MATLAB untuk mencari parameter premis dan konsekuen yang paling sesuai untuk diaplilasikan ke dalam software. Masing masing input dibedakan menjadi 2 yaitu pendekatan dengan 2 membership function dan 3 membership function. Gambar 4 Membership function dengan 4 input Dari masing masing membership function, dilakukan proses training data. Training data bertujuan untuk mencari error yang paling kecil. Gambar 5 Training Error Setelah didapatkan error yang kecil, maka parameter premis dan consecuent dapat dicari dari masing masing membership function pada FIS Editor. Gambar 6 FIS Editor pada MATLAB D. VALIDASI MODEL ANFIS Proses validasi model dilakukan dengan software ANFIS TOOLBOX pada MATLAB. Dari proses validasi model ini, dapat diketahui tingkat keberhasilan model dalam melakukan prediksi. 4
5 Software diagnosa memiliki 3 bagian utama yaitu bagian loading gambar, diagnosa awal dan diagnosa lanjut. Nilai positif atau negatif pada paru ditentukan dengan menggunakan ANFIS. b) Software Tahap Staggingg Gambar 7 Data Testing Pada MATLAB E. PERANCANGAN SOFTWARE Software dibuat untuk memudahkan pasien dan dokter mengidentifikasi kanker paru. Sesuai dengan tata urutan pemeriksaan, software dibedakan menjadi 3 tahap yaitu tahap penyaringan, diagnosa, dan stagging. F. SOFTWARE TAHAP PENYARINGAN Gambar 10 Software tahap staging Tahap staging merupakan tahap akhir dalam pemeriksaan kanker. Dengan tahap staging, dapat ditarik rekomendasi dokter untuk penanganan penyakit kanker. G. VALIDASI SOFTWARE Validasi software merupakan tahapan yang memiliki tujuan untuk mengukur tingkat keberhasilan dari software untuk memprediksi penyakit kanker paru. Metode yang digunakan untuk memvalidasi software adalah dengan membendingkan keputusan dokter dan hasil prediksi software. Parameter yang digunakan adalah RMSE, VAF, serta keberhasilan prediksi Gambar 8 Software tahap penyaringan Software penyaringan digunakan untuk melihat tingkat pengaruh kebiasaan pasien terhadap kanker paru. Data ini menggunakan data input ciri ciri sebagai parameter pemeriksaan. Pengolahan deteksi menggunakan software anfis. IV. ANALISIS DAN PEMBAHASAN A. ANALISIS MODEL Dari model yang telah didapatkan, hasil validasi meodel menunjukkan bahwa model yang digunakan dapat merepresentasikan keputusan dokter. Hal ini dapat dilihat dari hasil running MATLAB untuk mengevaluasi keputusan. a) Software Tahap Diagnosa Gambar 9 Software tahap diagnosa Gambar 11 Hasil validasi ciri ciri 2 MF 5
6 RMSE, VAF, dan keberhasilan prediksi. Secara tabel disajikan sebagai berikut : Gambar 12 Hasil validasi ciri ciri 3MF Berdasarkan pendekatan 2 MF dan 3 MF, menghasilkan tingkat akurasi yang tinggi. Dapat dilihat bahwa prediksi tepat berada pada spot keputusan dokter. Sedangkan validasi model untuk rontgen adalah sebagai berikut : TABEL 2 RMSE, VAF, DAN TINGKAT KEBERHASILAN SOFTWARE IDENTIFIKASI PENYAKIT KANKER PARU DATA GROUP MF RMSE Ciri - ciri Rontgen Train Test Train Test VAF (%) HASIL (%) 2 0, , , , , , , , , , ,43 3 0, , ,15 2 0, , , , DAFTAR PUSTAKA Gambar 13 Hasil Validasi Rontgen 2 MF Gambar 14 Hasil Validasi rontgen 3 MF Dari hasil validasi rontgen di atas dapat dilihat bahwa 3 MF menunjukkan performansi yang lebih baik. Hal ini dapat dilihat dari spot merah yang cenderung labih dekat dengan spot biru apabila dibandingkan dengan 2 MF. Meskipun tidak menunjuk tepat pada spot keputusan, spot prediksi masih mengikuti model dari keputusan sehingga model yang digunakan untuk melakukan prediksi valid. V. ANALISIS SOFTWARE Analisa Software dilakukan dengan membandingkan hasil keputusan dokter dengan prediksi software. Data yang digunakan untuk vallidasi software adalah dengan menggunakan data training (data yang telah digunakan untuk pemodelan) dan data testing (data yang tidak ikut proses pemodelan). Parameter yang digunakan untuk mengetahui keberhasilan software adalah [1] Alsagaff, Hood och Mukty, H Abdul Dasar - dasar ilmu penyakit paru. Surabaya : Airlangga University Press, ISBN [2] CancerHelps CancerHelps. [Online] Global Bioscience, [Citat: den 27 Juli 2010.] [3] Fuller, Robert Neural Fuzzy System. Abo : Abo Akademi University, [4] Jang, J.S.R. -. Adaptive Neuro-Fuzzy Inference System. -. [5] Kusumadewi, Sri och Hartati, Sri Neuro-Fuzzy Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta : Graha Ilmu, [6] MathWorks, The MathWorks. [Online] The MathWorks, [Citat: den 11 januari 2011.] [7] Neuro-Fuzzy System for Diagnosis. Ayoubi, Mihiar och Isermann, Rolf , Germany : Elsevier, 1997, Vol [8] Organisation, European CanCer World cancer total chart. eccoorg. [Online] European CanCer Organisation, [Citat: den 29 July 2010.] [9] Statistik, Subdirektorat Layanan dan Promosi Perkembangan Beberapa Indikator Utama Sosial Ekonomi Indonesia. Jakarta : Badan Pusat Statistik, BIO DATA PENULIS: Nama : Sylvia Ayu P NRP : TTL :Blitar,19 September 1989 Alamat : Gebang Kidul 70A Riwayat Pendidikan : SDN Babadan I SLTPN 1 Wlingi SMAN 1 Talun Teknik Físika ITS 6
Pengembangan Sistem Deteksi Dini dan Diagnosa Kanker Paru Berbasis Adaptive Neuro Fuzzy Inference System
1 Pengembangan Sistem Deteksi Dini dan Diagnosa Kanker Paru Berbasis Adaptive Neuro Fuzzy Inference System Mochamad Yusuf Santoso 1) Syamsul Arifin ) 1) Department of Engineering Physics, Faculty of Industrial
Lebih terperinciPREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo)
PREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo) Ifan Wiranto, Wahab Musa, Wrastawa Ridwan Jurusan Teknik Elektro
Lebih terperinciPenerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih
Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih Niska Ramadani Dosen Universitas Dehasen Bengkulu niskaramadani@gmail.com ABSTRAK Pertumbuhan penduduk harus
Lebih terperinciBAB I PENDAHULUAN. jaringan ikat pada payudara. Terdapat beberapa jenis kanker payudara antara lain
BAB I PENDAHULUAN A. Latar Belakang Kanker payudara adalah pertumbuhan sel-sel pada jaringan payudara secara abnormal, terus menerus, tidak terkontrol dan tidak terbatas. Kanker bisa mulai tumbuh di dalam
Lebih terperinciBAB I PENDAHULUAN. yang tidak teratur dan kemampuan sel-sel ini untuk menyerang jaringan biologis
BAB I PENDAHULUAN A. Latar Belakang Kanker adalah sebuah penyakit yang ditandai dengan pertumbuhan sel yang tidak teratur dan kemampuan sel-sel ini untuk menyerang jaringan biologis lainnya, baik dengan
Lebih terperinciMODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Wanti Rahayu 1 1 Mahasiswa Universitas Indraprasta PGRI Email : 1 wanti.reiku@gmail.com Abstrak- Guru merupakan aspek
Lebih terperinciJURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 31-40 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DATA RUNTUN WAKTU DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
Lebih terperinciRancang Bangun Sistem Penjejak Matahari 2 Sumbu Berbasis Kontrol Adaptive Neuro-Fuzzy Inference System (ANFIS)
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Penjejak Matahari 2 Sumbu Berbasis Kontrol Adaptive Neuro-Fuzzy Inference System (ANFIS) Amar Muhammad, Imam Abadi ST MT Teknik
Lebih terperinciBAB I PENDAHULUAN. terkontrol pada jaringan paru. Munculnya kanker ditandai dengan
BAB I PENDAHULUAN A. Latar Belakang Kanker paru adalah penyakit pertumbuhan jaringan yang tidak dapat terkontrol pada jaringan paru. Munculnya kanker ditandai dengan pertumbuhan sel yang tidak normal,
Lebih terperinciPRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM
ISSN 1412 3762 http://jurnal.upi.edu/electrans ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012, 18-26 PRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY
Lebih terperinciDeteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi
Lebih terperinciPermodelan Kurva Karakteristik Inverse Non- Standart Pada Rele Arus Lebih Dengan Metode Adaptive Neuro Fuzzy Inference System (Anfis)
B163 Permodelan Kurva Karakteristik Inverse Non- Standart Pada Rele Lebih Dengan Metode Adaptive Neuro Fuzzy Inference System (Anfis) Erhankana Ardiana P., Margo Pujiantara dan Ardyono Priyadi Jurusan
Lebih terperinciBAB I PENDAHULUAN. berlebihan atau perkembangan tidak terkontrol dari sel-sel (jaringan)
BAB I PENDAHULUAN A. Latar Belakang Kanker payudara adalah suatu penyakit dimana terjadi pertumbuhan berlebihan atau perkembangan tidak terkontrol dari sel-sel (jaringan) payudara, hal ini bisa terjadi
Lebih terperinciBAB I PENDAHULUAN. dada, sesak nafas, berdebar-debar (Notoatmodjo, 2007:303).
BAB I PENDAHULUAN A. Latar Belakang Diperkirakan 17,5 juta orang meninggal akibat penyakit kardiovaskular pada tahun 2012, yang mewakili 31% dari semua kematian di dunia. Dari kematian ini, diperkirakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Melihat kondisi sebagian besar masyarakat Indonesia saat ini yang mengalami banyak tekanan baik dari segi ekonomi, politik, pekerjaan dan sebagainya, menyebabkan terjadinya
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciBAB IV RANCANG BANGUN SISTEM
22 BAB IV RANCANG BANGUN SISTEM Pengguna sistem adalah dokter namun sistem dapat juga digunakan oleh praktisi kesehatan lainnya seperti bidan, perawat bahkan masyarakat umum. Dokter dibantu dalam pengambilan
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Kanker merupakan tantangan kesehatan masyarakat yang besar di dunia dengan insidensi yang meningkat setiap tahun (Parkin dkk., 2005 dalam Haryono, 2012). Insidensi
Lebih terperinciBAB I PENDAHULUAN. WHO Department of Gender, Women and Health mengatakan dalam. jurnal Gender in lung cancer and smoking research bahwa kematian yang
BAB I PENDAHULUAN 1.1 Latar Belakang WHO Department of Gender, Women and Health mengatakan dalam jurnal Gender in lung cancer and smoking research bahwa kematian yang disebabkan oleh kanker paru-paru telah
Lebih terperinciBAB I PENDAHULUAN. Deteksi Penyakit Kanker Serviks Menggunakan Metode Adaptive Thresholding Berbasis Pengolahan Citra
BAB I PENDAHULUAN 1.1 Latar Belakang Wanita adalah kata yang umum digunakan untuk menggambarkan seorang perempuan dewasa. Dalam tubuh seorang wanita terdapat organ reproduksi, salah satunya adalah rahim.
Lebih terperinciBAB I PENDAHULUAN. Memelihara kesehatan diri sendiri dan orang-orang di sekitar merupakan hal yang
a. Latar Belakang BAB I PENDAHULUAN Kesehatan merupakan suatu kekayaan yang tidak ternilai harganya. Memelihara kesehatan diri sendiri dan orang-orang di sekitar merupakan hal yang sangat penting. Kini
Lebih terperinciKLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM
KLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM Maimunah Program Studi Teknik Komputer Universitas Islam 45 Email: maimaimuna@gmail.com
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 04, No. 3 (2016), hal ISSN: X
SISTEM PENDUKUNG KEPUTUSAN PREDIKSI CURAH HUJAN DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (Studi Kasus: Kota Pontianak) [1] Ruspina Ningsih, [2] Beni Irawan, [3] Fatma Agus Setyaningsih [1][3]
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kanker merupakan penyakit penyebab kematian paling tinggi di dunia, berdasarkan data World Health Organization (WHO) pada tahun 2012 terdapat sekitar 14 juta kasus
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciIDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Seminar Tugas Akhir O L E H : M I F T A H U D D I N P E M B I M B I N G : I R. Y E R R
Lebih terperinciImplementasi Adaptive Neuro-Fuzzy Inference System (Anfis) untuk Peramalan Pemakaian Air di Perusahaan Daerah Air Minum Tirta Moedal Semarang
Scientific Journal of Informatics Vol. 3, No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Adaptive Neuro-Fuzzy Inference System (Anfis) untuk
Lebih terperinciBAB I PENDAHULUAN. mematikan bagi wanita baik di negara maju maupun negara berkembang. Pada
BAB I PENDAHULUAN A. Latar Belakang Kanker serviks atau kanker leher rahim merupakan salah satu penyakit yang mematikan bagi wanita baik di negara maju maupun negara berkembang. Pada tahun 2016, American
Lebih terperinci3.1.2 Analisis Kebutuhan... Error! Bookmark not defined Perancangan... Error! Bookmark not defined Pengujian... Error!
DAFTAR ISI LEMBAR PENGESAHAN... Error! Bookmark not defined. PERNYATAAN... Error! Bookmark not defined. ABSTRAK... Error! Bookmark not defined. ABSTRACT... ierror! Bookmark not defined. KATA PENGANTAR...
Lebih terperinciPERANCANGAN MODEL ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK MEMPREDIKSI CUACA MARITIM
PERANCANGAN MODEL ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK MEMPREDIKSI CUACA MARITIM Oleh : Ardian Candra Pratama 2406 100 021 Dosen Pembimbing : Ir. Syamsul Arifin, MT. Dr. Ir. Aulia Siti Aisyah, MT.
Lebih terperinciDIAGNOSA PENYAKIT DBD (DEMAM BERDARAH DENGEU) DENGAN ALGORITMA PEMBELAJARAN HYBRID DAN BACKPROPAGATION BERBASIS NEURAL NETWORK
SNIPTEK 2015 ISBN: 978-602-72850-6-4 DIAGNOSA PENYAKIT DBD (DEMAM BERDARAH DENGEU) DENGAN ALGORITMA PEMBELAJARAN HYBRID DAN BACKPROPAGATION BERBASIS NEURAL NETWORK Ita Dewi Sintawati AMIK BSI Bekasi Jl.
Lebih terperinciBAB III METODELOGI PENELITIAN. media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS)
BAB III METODELOGI PENELITIAN 3.1 Studi Literatur Untuk memehami cara rancang bangun pengontrol suhu dan kelembaban media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS) dibutuhkan studi
Lebih terperinciPREDIKSI TINGGI MUKA AIR BENDUNGAN RIAM KANAN MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
Technologia Vol 9, No.1, Januari Maret 2018 11 PREDIKSI TINGGI MUKA AIR BENDUNGAN RIAM KANAN MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Yusri Ikhwani Fakultas Teknologi Informasi Universitas Islam
Lebih terperinciBAB 1 PENDAHULUAN Latar belakang masalah
BAB 1 PENDAHULUAN 1.1. Latar belakang masalah Saluran pernapasan pada manusia terdiri dari rongga hidung, faring, laring, trakea, percabangan bronkus dan paru-paru (bronkiolus, alveolus). Paru-paru merupakan
Lebih terperinciHASIL DAN PEMBAHASAN. masukan (input) yang digunakan dalam mengembangkan Fuzzy Inference System seperti yang disajikan pada Gambar 10 berikut :
Penentuan perangkat keras dan perangkat lunak yang akan digunakan untuk mengembangkan sistem Perangkat keras (hardware) Perangkat keras yang digunakan pada saat pengembangan sistem adalah komputer dengan
Lebih terperinciT 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia
T 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia Aidatul Fitriah 1, Agus Maman Abadi 2 1) Program Studi Matematika, FMIPA Universitas Negeri Yogyakarta 2) Jurusan Pendidikan Matematika,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Clustering Clustering atau analisis cluster adalah proses pengelompokan satu set benda- benda fisik atau abstrak ke dalam kelas objek yang sama (Han, 2006). Baskoro (2010) menyatakan
Lebih terperinciAPLIKASI ADAPTIVE NEURO FUZZY INFERENCE SYSTEM PEMILIHAN SISWA MENGIKUTI LOMBA OLIMPIADE MATEMATIKA
APLIKASI ADAPTIVE NEURO FUZZY INFERENCE SYSTEM PEMILIHAN SISWA MENGIKUTI LOMBA OLIMPIADE MATEMATIKA Hendri STMIK Nusa Mandiri Jakarta, Hendri.hed@bsi.ac.id ABSTRACT Currently for the selection of students
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK DIAGNOSA DAN TATALAKSANA PENYAKIT DEMAM BERDARAH DENGUE MUHAMMAD SYAFII
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK DIAGNOSA DAN TATALAKSANA PENYAKIT DEMAM BERDARAH DENGUE MUHAMMAD SYAFII SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 ABSTRAK Kematian akibat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data runtun waktu dari fenomena real seperti data finansial biasanya bersifat nonstasioner. Tipe data runtun waktu finansial biasanya dicirikan oleh pola-pola seperti
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Jenis kelainan pada tulang punggung manusia bermacam-macam, bergantung pada faktor umur, kebiasaan, dan kecelakaan/virusbakteri. Skoliosis adalah kelainan tulang belakang
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I)
ISSN : 2338-18 SISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I) Waluyo (waluyo08@gmail.com) Didik Nugroho (didikhoho@gmail.com) Kustanto
Lebih terperinciPresentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman
Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi
Lebih terperinciFUZZY INFERENCE SYSTEM UNTUK PENENTUAN RESIKO KANKER PAYUDARA. Gita Putry Nabilah 1*, Sri Kusumadewi 2. Jl. Kaliurang Km 14,5 Sleman Yogyakarta
FUZZY INFERENCE SYSTEM UNTUK PENENTUAN RESIKO KANKER PAYUDARA Gita Putry Nabilah 1*, Sri Kusumadewi 2 1 Program Studi Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jl. Kaliurang
Lebih terperinciPERANCANGAN PERANGKAT LUNAK PREDIKTOR CUACA BERBASIS LOGIKA FUZZY
PERANCANGAN PERANGKAT LUNAK PREDIKTOR CUACA BERBASIS LOGIKA FUZZY Oleh Ilham Bangun Asmoro 2407 100 030 Dosen Pembimbing : Ir. Syamsul Arifin, MT Fitri Adi I., ST, MT Jurusan Teknik Fisika Fakultas Teknologi
Lebih terperinciIdentifikasi Gangguan Neurologis Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)
IJCCS, Vol.9, No.2, July 2015, pp. 187~196 ISSN: 1978-1520 187 Identifikasi Gangguan Neurologis Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS) Jani Kusanti* 1, Sri Hartati 2 1 Jurusan
Lebih terperinciBAB I PENDAHULUAN. syaraf pusat yang mengkoordinir, mengatur seluruh tubuh dan pemikiran manusia.
BAB I PENDAHULUAN A. Latar Belakang Masalah Otak adalah bagian penting dari tubuh manusia karena otak merupakan syaraf pusat yang mengkoordinir, mengatur seluruh tubuh dan pemikiran manusia. Cidera sedikit
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih terperinciPREDIKSI CUACA MARITIM UNTUK MENDETEKSI KEBERADAAN SUMBER DAYA LAUT IKAN DI PERAIRAN JAWA TIMUR
PREDIKSI CUACA MARITIM UNTUK MENDETEKSI KEBERADAAN SUMBER DAYA LAUT IKAN DI PERAIRAN JAWA TIMUR OLEH : Bagusranu Wahyudi Putra 2410100044 DOSEN PEMBIMBING : Dr. Ir. Aulia Siti Aisjah, MT. Ir. Syamsul Arifin,
Lebih terperinciPENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Lebih terperinciKanker Paru-Paru. (Terima kasih kepada Dr SH LO, Konsultan, Departemen Onkologi Klinis, Rumah Sakit Tuen Mun, Cluster Barat New Territories) 26/9
Kanker Paru-Paru Kanker paru-paru merupakan kanker pembunuh nomor satu di Hong Kong. Ada lebih dari 4.000 kasus baru kanker paru-paru dan sekitar 3.600 kematian yang diakibatkan oleh penyakit ini setiap
Lebih terperinciALHAZEN Journal of Physics ISSN Volume 2, Nomor 1, Issue 1, Juli 2015
KONTROL MOBIL ROBOT MENGGUNAKAN HAND GESTURE RECOGNITION DENGAN METODE ADAPTIVE NEURO-FUZZY INTERFERENCE SYSTEM (ANFIS) Abdul Rohman Sayyid* 1), Mada Sanjaya WS 1,2), Yudha Satya P 1) 1) Fisika, Fakultas
Lebih terperinciPENGUKURAN PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
140 Jurnal Pilar Nusa Mandiri Vol.XII, No.2 September 2016 PENGUKURAN PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Nurul Afni Program Studi Manajemen Informatika
Lebih terperinciAplikasi Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Potensi Serangan Jantung
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Aplikasi Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Potensi Serangan Jantung (Studi kasus: Pasien RSUD Dr. M. Haulussy Ambon)
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan merupakan hal yang sangat penting bagi makhluk hidup, khususnya manusia. Dengan kondisi tubuh yang sehat, maka kita dapat melakukan aktifitas kita dengan
Lebih terperinciAdaptive Neuro Fuzzy Inference System (ANFIS) Untuk Prediksi Pembayaran Pinjaman Berdasarkan Rencana Pembiayaan Nasabah
Adaptive Neuro Fuzzy Inference System (ANFIS) Untuk Prediksi Pembayaran Pinjaman Berdasarkan Rencana Pembiayaan Nasabah Abrar Hadi Jurusan Teknik Informatika, STMIK Amik Riau abrarhadi@stmik-amik-riau.ac.id
Lebih terperinciPREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA ANFIS
PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA ANFIS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Disusun Oleh: Fittriyah 0 8
Lebih terperinciESTIMASI TINGKAT BI RATE
ESTIMASI TINGKAT BI RATE BERDASARKAN FAKTOR NILAI TUKAR(KURS USD/RP), JUB, INFLASI, IHSG DAN PDB MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Disusun oleh: Nama : AKHMAD KAHFI NPM :
Lebih terperinciGenerated by Foxit PDF Creator Foxit Software For evaluation only. BAB I PENDAHULUAN
1 BAB I PENDAHULUAN I.1 Latar Belakang Perkembangan teknologi khususnya komputer beberapa tahun terakhir ini sangat pesat. Pesatnya perkembangan juga dirasakan di berbagai disiplin ilmu termasuk kedokteran.
Lebih terperinciPENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA
LOGO PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA Oleh: DYNES RIZKY NAVIANTI (1208100017) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
Lebih terperinciRANCANGAN SISTEM PAKAR DENGAN METODE FORWARD CHAINING DAN HETEROASSOCOATIVE MEMORY UNTUK MENDETEKSI TINGKAT DEPRESI SESEORANG
RANCANGAN SISTEM PAKAR DENGAN METODE FORWARD CHAINING DAN HETEROASSOCOATIVE MEMORY UNTUK MENDETEKSI TINGKAT DEPRESI SESEORANG Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Depresi
Lebih terperinciAPLIKASI SISTEM PAKAR UNTUK MENGIDENTIFIKASI PENYAKIT DALAM PADA MANUSIA MENGGUNAKAN METODE FORWARD CHAINING
APLIKASI SISTEM PAKAR UNTUK MENGIDENTIFIKASI PENYAKIT DALAM PADA MANUSIA MENGGUNAKAN METODE FORWARD CHAINING 1 Diah Malis Oktaviani (0089), 2 Tita Puspitasari (0365) Program Studi Teknik Informatika Universitas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini, metode kecerdasan buatan (Artificial Intelligence) banyak digunakan dalam berbagai bidang seperti: bisnis, militer, pendidikan, psikologi, permainan
Lebih terperinciKanker Rahim - Gejala, Tahap, Pengobatan, dan Resiko
Kanker Rahim - Gejala, Tahap, Pengobatan, dan Resiko Apakah kanker rahim itu? Kanker ini dimulai di rahim, organ-organ kembar yang memproduksi telur wanita dan sumber utama dari hormon estrogen dan progesteron
Lebih terperinciPERKIRAAN BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
ISSN : 1978-6603 PERKIRAAN BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Sarjon Defit Fakultas Ilmu Komputer Universitas Putra Indonesia YPTK Padang, Sumatera Barat Telp.
Lebih terperinciBAB I PENDAHULUAN. beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang
BAB I PENDAHULUAN A. Latar Belakang Kanker paru telah menjadi salah satu kanker yang sering terjadi dalam beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang tak terkendali pada
Lebih terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciPERANCANGAN SISTEM PREDIKSI CUACA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK KEBUTUHAN PENERBANGAN DI BANDARA JUANDA - SURABAYA
PERANCANGAN SISTEM PREDIKSI CUACA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK KEBUTUHAN PENERBANGAN DI BANDARA JUANDA - SURABAYA Iftikar Luthfi Ramadhan, Syamsul Arifin, Bambang Lelono
Lebih terperinci1. Pendahuluan 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Diabetes mellitus adalah suatu penyakit dimana kadar glukosa (gula sederhana) di dalam darah tinggi karena tubuh tidak dapat melepaskan atau menggunakan insulin secara
Lebih terperinciBAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function
BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat
BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011
Lebih terperinciBAB 1 PENDAHULUAN. ditemukan di seluruh dunia dewasa ini (12.6% dari seluruh kasus baru. kanker, 17.8% dari kematian karena kanker).
BAB 1 PENDAHULUAN 1.1. Latar Belakang Kanker paru merupakan kasus keganasan yang paling sering ditemukan di seluruh dunia dewasa ini (12.6% dari seluruh kasus baru kanker, 17.8% dari kematian karena kanker).
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilakukan
Lebih terperinciBAB I PENDAHULUAN. kendali dengan campur tangan manusia dalam jumlah yang sangat kecil.
BAB I PENDAHULUAN A. Latar Belakang Perkembangan teknologi pada saat ini mulai bergeser kepada otomatisasi sistem kendali dengan campur tangan manusia dalam jumlah yang sangat kecil. Banyaknya penemuan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini, jumlah penderita dan tingkat kematian akibat penyakit paru-paru semakin mengkhawatirkan. Forum Masyarakat Respiratory Internasional (FIRS) mengungkapkan
Lebih terperinciDAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL INTISARI ABSTRACT
DAFTAR ISI LEMBAR PENGESAHAN HALAMAN PERNYATAAN PRAKATA DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL INTISARI ABSTRACT i vi viii ix x BAB I. PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Rumusan Masalah 3 1.3 Batasan
Lebih terperinciPETANDA TUMOR (Tumor marker) ELLYZA NASRUL Bagian Patologi Klinik FK Unand/RS.dr.M.Djamil Padang
PETANDA TUMOR (Tumor marker) ELLYZA NASRUL Bagian Patologi Klinik FK Unand/RS.dr.M.Djamil Padang IMUNOLOGI TUMOR INNATE IMMUNITY CELLULAR HUMORAL PHAGOCYTES NK CELLS COMPLEMENT CYTOKINES PHAGOCYTOSIS
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciIdentifikasi Tekstur Saluran Pencernaan Bagian Atas Pada Foto Gastroscopy untuk Deteksis Dini Penyakit Saluran Pencernaan 1
BAB I PENDAHULUAN [1] [2] [8] 1.1 Latar Belakang Perkembangan ilmu biomedis telah mendorong banyak penelitian dilakukan untuk menghasilkan alat bantu diagnosa berbasis komputer. Salah satunya yaitu pendeteksian
Lebih terperinciBAB I PENDAHULUAN. dengan ditemukannya penyakit-penyakit baru yang belum teridentifikasi
1 BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan ilmu kedokteran mengalami kemajuan pesat yang ditandai dengan ditemukannya penyakit-penyakit baru yang belum teridentifikasi sebelumnya. Para dokter
Lebih terperinciBAB I PENDAHULUAN. Bab I Pendahuluan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Perkembangan ilmu biomedikal telah mendorong banyak penelitian dilakukan untuk menghasilkan alat bantu diagnosa berbasis komputer. Salah satunya yaitu pendeteksian
Lebih terperinci1 Pendahuluan. 1.1 Latar Belakang Masalah
1 Pendahuluan 1.1 Latar Belakang Masalah Kebutuhan masyarakat akan perkiraan cuaca terutama curah hujan ini menjadi sangat penting untuk merencanakan segala aktifivitas mereka. Curah hujan juga memiliki
Lebih terperinciPenerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk
Nusantara of Enginering/Vol.3/No.1/ISSN: 2355-6684 41 Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Fajar Rohman Hariri Jurusan Teknik Informatika, Fakultas Teknik,
Lebih terperinciProses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani
JURNAL SAINTIFIK VOL.3 NO. 2, JULI 2017 Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani Darmawati Jurusan Matematika FMIPA Universitas Sulawesi Barat; e-mail: dharmawangs89@gmail.com
Lebih terperinciPERANCANGAN MODEL ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK MEMPREDIKSI CUACA MARITIM
PERACAGA MODEL ADAPTIVE EURO FUZZY IFERECE SYSTEM UTUK MEMPREDIKSI CUACA MARITIM (Ardian Candra Pratama ; Ir. Syamsul A,M.T; Dr. Ir. Aulia S.A, M.T) Jurusan Teknik Fisika Fakultas Teknologi Industri Institut
Lebih terperinciVibration Monitoring. Diganosa Kerusakan. Produktifitas menurun
LOGO PREDIKSI SISA UMUR PADA ROTATING MACHINERY DENGAN METODE ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEMS) Mohammad Taufan 2106100147 Dosen Pembimbing : Dr. M. Nur Yuniarto 1 Vibration Monitoring Diganosa
Lebih terperinciPeningkatan Akurasi Dalam Prakiraan Beban Listrik Jangka Pendek Menggunakan Data Temperatur
Peningkatan Akurasi Dalam Prakiraan Beban Listrik Jangka Pendek Menggunakan Data Temperatur Imaad Al-Mutawakkil*, Dian Yayan Sukma** Jurusan Teknik Elektro Fakultas Teknik Universitas Riau Kampus Binawidya
Lebih terperinciMetode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia
Metode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia Irmalia Suryani Faradisa dan Putri Sari Jurusan Teknik Elektro, Institut Teknologi Nasional Malang E-mail: faradyza@gmail.com Abstrak Gejala
Lebih terperinciBAB I PENDAHULUAN. tubuh. Dalam suatu serangan jantung (myocardial infarction), bagian dari otot
BAB I PENDAHULUAN I.1. Latar Belakang Penyakit Jantung adalah sebuah otot yang memompa darah ke seluruh tubuh. Dalam suatu serangan jantung (myocardial infarction), bagian dari otot jantung mati sewaktu
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang. Kanker ovarium merupakan keganasan yang paling. mematikan di bidang ginekologi. Setiap tahunnya 200.
BAB I PENDAHULUAN A. Latar Belakang Kanker ovarium merupakan keganasan yang paling mematikan di bidang ginekologi. Setiap tahunnya 200.000 wanita didiagnosa dengan kanker ovarium di seluruh dunia dan 125.000
Lebih terperinciSTIKOM SURABAYA BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Penyakit Hepatitis adalah penyakit yang disebabkan oleh beberapa jenis
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit Hepatitis adalah penyakit yang disebabkan oleh beberapa jenis virus yang menyerang dan menyebabkan peradangan serta merusak sel-sel organ hati manusia.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciBAB I PENDAHULUAN. yang menyerang saluran pencernaan. Lebih dari 60 persen tumor ganas kolorektal
BAB I PENDAHULUAN A. Latar Belakang Kanker kolorektal ( colo rectal carcinoma) atau yang biasa disebut sebagai kanker usus besar merupakan suatu tumor ganas terbayak diantara tumor lainnya yang menyerang
Lebih terperinciKanker Prostat. Prostate Cancer / Indonesian Copyright 2017 Hospital Authority. All rights reserved
Kanker Prostat Kanker prostat merupakan tumor ganas yang paling umum ditemukan pada populasi pria di Amerika Serikat, dan juga merupakan kanker pembunuh ke-5 populasi pria di Hong Kong. Jumlah pasien telah
Lebih terperinciBAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit
BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN Pada bagian ini berisi analisa peramalan konsumsi BBM Provinsi Riau, yang mana data konsumsi BBM, jumlah kendaran bermotor dan jumlah penduduk merupakan faktor yang mempengaruhi
Lebih terperinciAPLIKASI SISTEM CERDAS UNTUK PREDIKSI ENERGI LISTRIK PEMAKAIAN SENDIRI DI PT INDONESIA POWER SUB UNIT PLTA KABUPATEN WONOGIRI
APLIKASI SISTEM CERDAS UNTUK PREDIKSI ENERGI LISTRIK PEMAKAIAN SENDIRI DI PT INDONESIA POWER SUB UNIT PLTA KABUPATEN WONOGIRI Herliyani Hasanah Program Studi Teknik Informatika STMIK Duta Bangsa Surakarta
Lebih terperinci